本文關(guān)鍵詞：基于隨機游走的復(fù)雜網(wǎng)絡(luò)聚類算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)實世界中存在諸多復(fù)雜網(wǎng)絡(luò),如生物網(wǎng)、科技網(wǎng)和社交網(wǎng)等。近年來復(fù)雜網(wǎng)絡(luò)的研究吸引了來自計算機、物理、數(shù)學和生物等眾多領(lǐng)域的研究者,已成為多學科交叉研究的熱點之一。復(fù)雜網(wǎng)絡(luò)聚類旨在揭示出復(fù)雜網(wǎng)絡(luò)中真實存在的網(wǎng)絡(luò)社團結(jié)構(gòu),主要包括對無符號網(wǎng)絡(luò)、符號網(wǎng)絡(luò)、有權(quán)網(wǎng)絡(luò)和有向網(wǎng)絡(luò)等不同類型的復(fù)雜網(wǎng)絡(luò)進行社團結(jié)構(gòu)檢測。復(fù)雜網(wǎng)絡(luò)之所以在當前的研究課題中具有如此重要的社會價值和應(yīng)用價值,是因為對復(fù)雜網(wǎng)絡(luò)的聚類分析,在對預(yù)測復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)行為、分析網(wǎng)絡(luò)拓撲結(jié)構(gòu)和挖掘網(wǎng)絡(luò)潛在功能方面起到積極作用。本文分別針對無符號網(wǎng)絡(luò)和符號網(wǎng)絡(luò)的社團結(jié)構(gòu)檢測問題進行了研究,提出了基于隨機游走算法的社團結(jié)構(gòu)檢測方法。本文的主要研究工作如下：(1)在無符號網(wǎng)絡(luò)中,根據(jù)社團結(jié)構(gòu)是否明顯,可以將社團分為強社團和弱社團等多種類型�，F(xiàn)有的社團結(jié)構(gòu)檢測算法在挖掘強社團結(jié)構(gòu)時,可以表現(xiàn)出優(yōu)異的性能,在挖掘弱社團結(jié)構(gòu)時,算法性能仍存在略微不足。本文基于假設(shè)---社團中的點游走到社團內(nèi)其他點的概率大于游走到社團外點的概率,提出一種利用隨機游走算法檢測社團結(jié)構(gòu)的方法。該方法從全局網(wǎng)絡(luò)出發(fā)找到局部最大度節(jié)點,根據(jù)該局部最大度節(jié)點找到局部最小完全子圖視為局部社團,并將網(wǎng)絡(luò)中節(jié)點根據(jù)是否在局部社團中分為聚類節(jié)點以及未聚類節(jié)點。進而,利用基于隨機游走的條件概率模型,計算未聚類節(jié)點屬于每個社團的概率,并將該未聚類節(jié)點加入其最可能歸屬的社團。最后,對己聚類社團進行優(yōu)化。在隨機網(wǎng)絡(luò)和真實網(wǎng)絡(luò)上,利用NMI值和F1值作為算法性能衡量指標,對算法性能進行評估,并與經(jīng)典的網(wǎng)絡(luò)聚類算法進行了比較。實驗結(jié)果表明該算法能夠較好地檢測出網(wǎng)絡(luò)社團結(jié)構(gòu),尤其在檢測弱社團結(jié)構(gòu)方面,大大的提高了檢測精度,相比其他社團結(jié)構(gòu)檢測算法具有明顯優(yōu)勢。(2)在符號網(wǎng)絡(luò)中,邊既包括表示“友好、聯(lián)盟”等關(guān)系的正向邊,又包括表示“敵視、競爭””等關(guān)系的負向邊�，F(xiàn)有的部分符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法由于未充分利用網(wǎng)絡(luò)的負邊信息,導(dǎo)致對社團的檢測精度存在一定的影響。針對上述問題,本文提出一種基于網(wǎng)絡(luò)中的正負邊信息,利用隨機游走模型,檢測符號網(wǎng)絡(luò)中社團結(jié)構(gòu)的方法。該方法將網(wǎng)絡(luò)中每個節(jié)點的正度和負度的絕對值之和加起來作為該節(jié)點的度。根據(jù)節(jié)點的度找到局部最小社團,以網(wǎng)絡(luò)中節(jié)點是否在局部社團內(nèi),將節(jié)點分為聚類節(jié)點以及未聚類節(jié)點。利用隨機游走算法計算出每個未聚類節(jié)點加入局部社團的正概率和負概率。通過比較正概率與負概率的大小來判斷該未聚類節(jié)點是否加入局部社團或是否由該未聚類節(jié)點動態(tài)挖掘一個新的局部社團。利用社團優(yōu)化方法對聚類社團進行優(yōu)化,形成最終的網(wǎng)絡(luò)劃分結(jié)果。本文所提方法充分利用了符號網(wǎng)絡(luò)中負邊的信息,保證了算法的穩(wěn)定性。在真實符號網(wǎng)絡(luò)和隨機符號網(wǎng)絡(luò)上驗證了本文所提方法的可行性和有效性。同時,與其他符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法相比,該算法檢測精度更高。
【關(guān)鍵詞】：網(wǎng)絡(luò)聚類 社團結(jié)構(gòu) 隨機游走 局部社團 符號網(wǎng)絡(luò)
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.13;O157.5
【目錄】：

• 摘要3-5
• Abstract5-12
• 第一章 緒論12-21
• 1.1 研究背景與意義12-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-18
• 1.2.1 無符號網(wǎng)絡(luò)聚類算法的國內(nèi)外研究現(xiàn)狀15-17
• 1.2.2 符號網(wǎng)絡(luò)聚類算法的國內(nèi)外研究現(xiàn)狀17-18
• 1.3 本文的工作與安排18-21
• 第二章 復(fù)雜網(wǎng)絡(luò)聚類相關(guān)基礎(chǔ)21-33
• 2.1 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)的定義21-26
• 2.1.1 無符號網(wǎng)絡(luò)社團結(jié)構(gòu)的定義21-22
• 2.1.2 符號網(wǎng)絡(luò)社團結(jié)構(gòu)的定義22-24
• 2.1.3 性能評價指標24-26
• 2.2 基于隨機游走的算法介紹26-27
• 2.3 無符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測經(jīng)典算法27-30
• 2.3.1 GN算法28
• 2.3.2 FN算法28-29
• 2.3.3 GAS算法29-30
• 2.4 符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測經(jīng)典算法30-32
• 2.4.1 FEC算法30-31
• 2.4.2 MEAs-SN算法31-32
• 2.5 本章小結(jié)32-33
• 第三章 基于隨機游走的無符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法33-49
• 3.1 基于隨機游走的無符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法33-39
• 3.1.1 隨機游走模型33-36
• 3.1.2 基于隨機游走的無符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法思想36-37
• 3.1.3 基于隨機游走的無符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法流程37-39
• 3.2 實驗與分析39-48
• 3.2.1 實驗數(shù)據(jù)40-41
• 3.2.2 RWA算法性能分析41-45
• 3.2.3 局部完全子圖性能分析45-48
• 3.3 本章小結(jié)48-49
• 第四章 基于隨機游走的符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法49-66
• 4.1 基于隨機游走的符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法49-54
• 4.1.1 基于隨機游走的符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法思想49-50
• 4.1.2 基于隨機游走的符號網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法流程50-54
• 4.2 實驗與分析54-64
• 4.2.1 實驗數(shù)據(jù)54-57
• 4.2.2 SRWA算法性能分析57-64
• 4.3 本章小結(jié)64-66
• 第五章 總結(jié)和展望66-68
• 參考文獻68-73
• 致謝73-74
• 攻讀碩士學位期間發(fā)表的學術(shù)論文74-75
• 攻讀碩士學位期間參加的科研項目75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳迪;周利娟;林鴻飛;;基于隨機游走的就業(yè)推薦系統(tǒng)研究與實現(xiàn)[J];廣西師范大學學報(自然科學版);2011年01期

2 蘇浩航;張義門;張玉明;解敏;滿進財;;基于改進的壓縮式隨機游走算法對靜態(tài)電源/地網(wǎng)的模擬[J];計算物理;2007年06期

3 宋銳;湯建勛;周健;;工作電流對二頻機抖激光陀螺角隨機游走影響的研究[J];激光雜志;2010年02期

4 周持中;一類具有吸收點的平面隨機游走[J];岳陽大學學報;1996年02期

5 雷鈺麗;李陽;王崇駿;劉紅星;謝俊元;;基于權(quán)重的馬爾可夫隨機游走相似度度量的實體識別方法[J];河北師范大學學報(自然科學版);2010年01期

6 俞琰;邱廣華;;基于局部隨機游走的在線社交網(wǎng)絡(luò)朋友推薦算法[J];系統(tǒng)工程;2013年02期

7 何建軍;李仁發(fā);;改進的隨機游走模型節(jié)點排序方法[J];計算機工程與應(yīng)用;2011年12期

8 鄧貴仕,賴寶全;反饋式隨機游走模型及其在股票投資中應(yīng)用[J];大連理工大學學報;2004年06期

9 戴穎;;深圳股票市場的隨機游走檢驗[J];商業(yè)經(jīng)濟;2005年11期

10 周軍軍;王明文;何世柱;石松;;基于隨機游走和聚類平滑的協(xié)同過濾推薦算法[J];廣西師范大學學報(自然科學版);2011年01期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 鄭偉;王朝坤;劉璋;王建民;;一種基于隨機游走模型的多標簽分類算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

2 朱松豪;羅青青;梁志偉;;一種改進圖像標注的新方法[A];第24屆中國控制與決策會議論文集[C];2012年

3 燕飛;張銘;譚裕韋;唐建;鄧志鴻;;綜合社會行動者興趣和網(wǎng)絡(luò)拓撲的社區(qū)發(fā)現(xiàn)方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 長盛基金管理有限公司研究部副總監(jiān) 李驥;投資自己熟悉的股票[N];證券時報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 鄧凱英;復(fù)雜網(wǎng)絡(luò)搜索策略及相關(guān)模型的數(shù)值方法[D];東北師范大學;2015年

2 徐曉華;圖上的隨機游走學習[D];南京航空航天大學;2008年

3 孫甲申;基于主題模型和隨機游走的標簽技術(shù)研究[D];北京郵電大學;2013年

4 呂強;面向高性能和強表達力的自動規(guī)劃[D];中國科學技術(shù)大學;2013年

5 趙學華;統(tǒng)計網(wǎng)絡(luò)模型若干關(guān)鍵問題研究[D];吉林大學;2014年

6 廖振;基于查詢點擊核心圖的查詢推薦問題研究[D];南開大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 何岱洧;Z~d上使Schramm的上界達到的旋轉(zhuǎn)配置[D];復(fù)旦大學;2014年

2 田新春;回火老化效應(yīng)及其擴散方程[D];蘭州大學;2015年

3 鞠薇;基于隨機游走和圖割算法的PET-CT肺腫瘤分割[D];蘇州大學;2015年

4 祝霖;基于隨機游走的動態(tài)社團劃分算法[D];上海交通大學;2015年

5 孫星;基于部分吸收隨機游走的協(xié)同顯著性檢測[D];大連理工大學;2015年

6 宋文靜;基于多條隨機游走的圖像檢索[D];河南大學;2015年

7 汪幫菊;基于隨機游走的復(fù)雜網(wǎng)絡(luò)聚類算法研究[D];安徽大學;2016年

8 陸林;圖上的智能隨機游走分類算法研究及應(yīng)用[D];揚州大學;2014年

9 王麗莎;基于隨機游走模型的個性化信息推薦[D];大連理工大學;2011年

10 胡潔;基于圖論的醫(yī)學圖像分割隨機游走算法研究[D];南方醫(yī)科大學;2013年

  本文關(guān)鍵詞：基于隨機游走的復(fù)雜網(wǎng)絡(luò)聚類算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：386048